أخذ العينات (الإحصائيات)

في الإحصاء وضمان الجودة ومنهجية المسح ، فإن أخذ العينات هو اختيار مجموعة فرعية أو عينة إحصائية (يطلق عليها اسم العينة باختصار) من الأفراد من داخل مجتمع إحصائي لتقدير خصائص المجتمع بأكمله. تهدف المجموعة الفرعية إلى عكس المجتمع بأكمله ويحاول الإحصائيون جمع عينات تمثل المجتمع بأكمله. إن أخذ العينات له تكاليف أقل وجمع بيانات أسرع مقارنة بتسجيل البيانات من المجتمع بأكمله، وبالتالي، يمكن أن يوفر رؤى في الحالات التي يكون فيها من غير الممكن قياس المجتمع بأكمله.

يقيس كل ملاحظة خاصية واحدة أو أكثر (مثل الوزن أو الموقع أو اللون أو الكتلة) لأشياء أو أفراد مستقلين. في أخذ العينات المسحية ، يمكن تطبيق الأوزان على البيانات لضبط تصميم العينة، وخاصة في أخذ العينات الطبقية . ^[1] يتم استخدام نتائج نظرية الاحتمالات والنظرية الإحصائية لتوجيه الممارسة. في مجال البحوث التجارية والطبية، يتم استخدام أخذ العينات على نطاق واسع لجمع المعلومات حول السكان. ^{[2] يتم استخدام} أخذ العينات القبولية لتحديد ما إذا كانت دفعة الإنتاج من المواد تلبي المواصفات الحاكمة .

إن أخذ العينات العشوائية باستخدام القرعة فكرة قديمة، ذُكرت عدة مرات في الكتاب المقدس. في عام 1786، قدر بيير سيمون لابلاس عدد سكان فرنسا باستخدام عينة، إلى جانب مقدر النسبة . كما حسب تقديرات احتمالية للخطأ. لم يتم التعبير عنها كفواصل ثقة حديثة ولكن كحجم العينة المطلوب لتحقيق حد أعلى معين لخطأ العينة باحتمال 1000/1001. استخدمت تقديراته نظرية بايز باحتمالية مسبقة موحدة وافترض أن عينته كانت عشوائية. قدم ألكسندر إيفانوفيتش تشوبروف مسوحات العينة إلى الإمبراطورية الروسية في سبعينيات القرن التاسع عشر. ^[3]

في الولايات المتحدة، فشلت توقعات مجلة Literary Digest لعام 1936 بفوز الجمهوريين في الانتخابات الرئاسية ، وذلك بسبب التحيز الشديد [1]. فقد استجاب أكثر من مليوني شخص للدراسة بأسمائهم التي حصلوا عليها من خلال قوائم اشتراكات المجلات وأدلة الهاتف. ولم يكن من المستغرب أن تكون هذه القوائم متحيزة بشدة تجاه الجمهوريين، وكانت العينة الناتجة، على الرغم من ضخامة حجمها، معيبة للغاية. [4] ^{[ 5]}

اعتمدت الانتخابات في سنغافورة هذه الممارسة منذ انتخابات عام 2015 ، والمعروفة أيضًا باسم عد العينات، بينما وفقًا لدائرة الانتخابات (ELD)، وهي لجنة الانتخابات في بلادهم، تساعد عد العينات في تقليل التكهنات والمعلومات المضللة، بينما تساعد مسؤولي الانتخابات على التحقق من نتيجة الانتخابات لهذا القسم الانتخابي. تسفر عد العينات المبلغ عنها عن نتيجة إرشادية دقيقة إلى حد ما مع فاصل ثقة 95٪ بهامش خطأ في حدود 4-5٪؛ ذكّرت ELD الجمهور بأن عد العينات منفصل عن النتائج الرسمية، ولن يعلن سوى مسؤول الانتخابات النتائج الرسمية بمجرد اكتمال فرز الأصوات. ^{[6] [7]}

تعتمد الممارسة الإحصائية الناجحة على تحديد المشكلة بشكل محدد. وفي عملية أخذ العينات، يتضمن هذا تحديد " المجتمع " الذي نختار منه العينة. ويمكن تعريف المجتمع بأنه يشمل جميع الأشخاص أو العناصر التي تتمتع بالخصائص التي يرغب المرء في فهمها. ولأن الوقت أو المال نادرًا ما يكون كافيًا لجمع المعلومات من الجميع أو من كل شيء في مجتمع ما، يصبح الهدف هو العثور على عينة تمثيلية (أو مجموعة فرعية) من هذا المجتمع.

في بعض الأحيان يكون تعريف السكان واضحًا. على سبيل المثال، يحتاج المصنع إلى تحديد ما إذا كانت دفعة من المواد من الإنتاج ذات جودة عالية بما يكفي لطرحها للعميل أو يجب التخلص منها أو إعادة تصنيعها بسبب رداءة الجودة. في هذه الحالة، تكون الدفعة هي السكان.

على الرغم من أن المجموعة محل الاهتمام تتكون غالبًا من أشياء مادية، إلا أنه من الضروري أحيانًا أخذ عينات عبر الزمن أو المكان أو مزيج من هذه الأبعاد. على سبيل المثال، قد يفحص التحقيق في عدد موظفي السوبر ماركت طول طوابير الخروج في أوقات مختلفة، أو قد تهدف دراسة حول طيور البطريق المهددة بالانقراض إلى فهم استخدامها لمناطق الصيد المختلفة بمرور الوقت. بالنسبة للبعد الزمني، قد ينصب التركيز على فترات أو مناسبات منفصلة.

في حالات أخرى، قد يكون "السكان" المدروس أقل ملموسية. على سبيل المثال، درس جوزيف جاغر سلوك عجلات الروليت في كازينو في مونت كارلو ، واستخدم هذا لتحديد عجلة متحيزة. في هذه الحالة، كان "السكان" الذي أراد جاغر التحقيق فيه هو السلوك العام للعجلة (أي توزيع احتمالات نتائجها على عدد لا نهائي من التجارب)، في حين تم تشكيل "عينته" من النتائج المرصودة من تلك العجلة. تنشأ اعتبارات مماثلة عند إجراء قياسات متكررة لخصائص المواد مثل التوصيل الكهربائي للنحاس .

إن هذا الموقف ينشأ غالباً عند البحث عن المعرفة حول نظام الأسباب الذي يشكل السكان الذين تمت ملاحظتهم نتيجة له. وفي مثل هذه الحالات، قد تتعامل نظرية أخذ العينات مع السكان الذين تمت ملاحظتهم باعتبارهم عينة من "مجموعة سكانية عظمى" أكبر. على سبيل المثال، قد يدرس الباحث معدل نجاح برنامج جديد "للإقلاع عن التدخين" على مجموعة اختبارية مكونة من 100 مريض، من أجل التنبؤ بتأثيرات البرنامج إذا تم توفيره على مستوى البلاد. وهنا تكون المجموعة السكانية العظمى هي "كل شخص في البلاد، ممن حصلوا على إمكانية الوصول إلى هذا العلاج" ـ وهي المجموعة التي لم توجد بعد لأن البرنامج غير متاح للجميع بعد.

قد لا يكون السكان الذين تؤخذ منهم العينة هم نفس السكان الذين نرغب في الحصول على المعلومات منهم. وكثيراً ما يكون هناك تداخل كبير ولكن ليس كاملاً بين هاتين المجموعتين بسبب مشكلات الإطار وما إلى ذلك (انظر أدناه). وفي بعض الأحيان قد يكونان منفصلين تماماً ــ على سبيل المثال، قد يدرس المرء الفئران من أجل الحصول على فهم أفضل لصحة الإنسان، أو قد يدرس المرء سجلات الأشخاص الذين ولدوا في عام 2008 من أجل التنبؤ بالأشخاص الذين ولدوا في عام 2009.

إن الوقت الذي نقضيه في جعل العينة السكانية والسكان المعنيين دقيقة هو في أغلب الأحيان وقت مفيد لأنه يثير العديد من القضايا والغموض والأسئلة التي كان من الممكن تجاهلها في هذه المرحلة.

في الحالات الأكثر بساطة، مثل أخذ عينات من دفعة من المواد من الإنتاج (أخذ العينات بالقرعة)، سيكون من المرغوب فيه للغاية تحديد وقياس كل عنصر على حدة في المجموعة وإدراج أي عنصر منها في العينة. ومع ذلك، في الحالة الأكثر عمومية، لا يكون هذا ممكنًا أو عمليًا عادةً. لا توجد طريقة لتحديد جميع الفئران في مجموعة جميع الفئران. عندما لا يكون التصويت إلزاميًا، لا توجد طريقة لتحديد الأشخاص الذين سيصوتون في الانتخابات القادمة (قبل الانتخابات). هذه المجموعات السكانية غير الدقيقة غير قابلة للعينة بأي من الطرق أدناه والتي يمكننا تطبيق النظرية الإحصائية عليها.

كعلاج، نسعى إلى إطار أخذ عينات يتمتع بالخاصية التي تمكننا من تحديد كل عنصر على حدة وتضمين أي عنصر في العينة. ^{[8] [9] [10] [11]} أبسط نوع من الإطارات هو قائمة بعناصر السكان (يفضل أن يكون السكان بالكامل) مع معلومات الاتصال المناسبة. على سبيل المثال، في استطلاع رأي ، تتضمن إطارات أخذ العينات المحتملة سجلاً انتخابيًا ودليل هاتف .

العينة الاحتمالية هي العينة التي يكون فيها لكل وحدة في المجتمع فرصة (أكبر من الصفر) للاختيار في العينة، ويمكن تحديد هذه الاحتمالية بدقة. إن الجمع بين هذه السمات يجعل من الممكن إنتاج تقديرات غير متحيزة لإجماليات المجتمع، من خلال ترجيح وحدات العينة وفقًا لاحتمال اختيارها.

مثال: نريد تقدير إجمالي دخل البالغين الذين يعيشون في شارع معين. نزور كل أسرة في ذلك الشارع، ونحدد جميع البالغين الذين يعيشون هناك، ونختار عشوائيًا شخصًا بالغًا واحدًا من كل أسرة. (على سبيل المثال، يمكننا تخصيص رقم عشوائي لكل شخص، يتم إنشاؤه من توزيع موحد بين 0 و1، واختيار الشخص الذي يحمل أعلى رقم في كل أسرة). ثم نجري مقابلة مع الشخص المختار ونحدد دخله.

إن الأشخاص الذين يعيشون بمفردهم من المؤكد أنهم سيقعون في الاختيار، لذا فإننا ببساطة نضيف دخلهم إلى تقديرنا للإجمالي. ولكن الشخص الذي يعيش في أسرة مكونة من شخصين بالغين لا تزيد فرصه في الاختيار عن واحد من اثنين. ولتعكس هذه الحقيقة، عندما نصل إلى مثل هذه الأسرة، فإننا نحسب دخل الشخص المختار مرتين في المجموع. (يمكن النظر إلى الشخص الذي يتم اختياره من تلك الأسرة على أنه يمثل أيضًا الشخص الذي لم يتم اختياره).

في المثال أعلاه، لا يتمتع الجميع بنفس احتمالات الاختيار؛ ما يجعل هذه العينة احتمالية هو حقيقة أن احتمالات كل شخص معروفة. عندما يكون لكل عنصر في المجتمع نفس احتمالات الاختيار، يُعرف هذا باسم تصميم "احتمالات الاختيار المتساوية". يشار إلى مثل هذه التصميمات أيضًا باسم "الترجيح الذاتي" لأن جميع وحدات العينة تُعطى نفس الوزن.

تتضمن العينة الاحتمالية ما يلي: العينة العشوائية البسيطة ، والعينة المنتظمة ، والعينة الطبقية ، والعينة الاحتمالية المتناسبة مع الحجم، والعينة العنقودية أو متعددة المراحل . تشترك هذه الطرق المختلفة لعينة الاحتمالية في أمرين:

1. كل عنصر لديه احتمال غير صفري معروف ليتم أخذه كعينة و
2. يتضمن اختيارًا عشوائيًا في مرحلة ما.

العينة غير الاحتمالية هي أي طريقة أخذ عينات حيث لا يكون لبعض عناصر السكان أي فرصة للاختيار (يشار إليها أحيانًا باسم "خارج التغطية" / "غير مغطاة")، أو حيث لا يمكن تحديد احتمال الاختيار بدقة. وهي تنطوي على اختيار العناصر بناءً على افتراضات تتعلق بالسكان المعنيين، والتي تشكل معايير الاختيار. وبالتالي، نظرًا لأن اختيار العناصر غير عشوائي، فإن العينة غير الاحتمالية لا تسمح بتقدير أخطاء العينة. تؤدي هذه الظروف إلى تحيز الاستبعاد ، مما يضع حدودًا لكمية المعلومات التي يمكن أن توفرها العينة حول السكان. المعلومات حول العلاقة بين العينة والسكان محدودة، مما يجعل من الصعب استقراء العينة إلى السكان.

مثال: نزور كل منزل في شارع معين، ونجري مقابلة مع أول شخص يفتح الباب. وفي أي منزل به أكثر من شخص، تكون هذه عينة غير احتمالية، لأن بعض الأشخاص أكثر احتمالية للإجابة على الباب (على سبيل المثال، يكون الشخص العاطل عن العمل الذي يقضي معظم وقته في المنزل أكثر احتمالية للإجابة من زميله الموظف الذي قد يكون في العمل عندما يتصل به الشخص الذي يجري المقابلة) وليس من العملي حساب هذه الاحتمالات.

تتضمن طرق أخذ العينات غير الاحتمالية أخذ العينات الملائمة ، وأخذ العينات الحصصية ، وأخذ العينات الهادفة . بالإضافة إلى ذلك، قد تؤدي تأثيرات عدم الاستجابة إلى تحويل أي تصميم احتمالي إلى تصميم غير احتمالي إذا لم يتم فهم خصائص عدم الاستجابة جيدًا، حيث تعمل عدم الاستجابة على تعديل احتمالية أخذ العينات من كل عنصر بشكل فعال.

في أي من أنواع الإطارات المحددة أعلاه، يمكن استخدام مجموعة متنوعة من طرق أخذ العينات بشكل فردي أو مجتمعة. تشمل العوامل التي تؤثر بشكل عام على الاختيار بين هذه التصميمات ما يلي:

• طبيعة وجودة الإطار
• توفر معلومات مساعدة حول الوحدات الموجودة على الإطار
• متطلبات الدقة، والحاجة إلى قياس الدقة
• هل من المتوقع إجراء تحليل مفصل للعينة
• المخاوف المتعلقة بالتكلفة/التشغيل

في عينة عشوائية بسيطة (SRS) بحجم معين، يكون لجميع المجموعات الفرعية لإطار العينة احتمال متساوٍ للاختيار. وبالتالي يكون لكل عنصر من الإطار احتمال متساوٍ للاختيار: الإطار غير مقسم أو مجزأ. وعلاوة على ذلك، فإن أي زوج معين من العناصر له نفس فرصة الاختيار مثل أي زوج آخر (وبالمثل بالنسبة للثلاثيات، وما إلى ذلك). وهذا يقلل من التحيز ويبسط تحليل النتائج. وعلى وجه الخصوص، فإن التباين بين النتائج الفردية داخل العينة هو مؤشر جيد للتباين في إجمالي السكان، مما يجعل من السهل نسبيًا تقدير دقة النتائج.

إن أخذ العينات العشوائية البسيطة قد يكون عرضة للخطأ في أخذ العينات لأن عشوائية الاختيار قد تؤدي إلى عينة لا تعكس تركيبة السكان. على سبيل المثال، فإن عينة عشوائية بسيطة من عشرة أشخاص من بلد معين سوف تنتج في المتوسط ​​خمسة رجال وخمس نساء، ولكن أي تجربة معينة من المرجح أن تمثل جنسًا واحدًا بشكل مفرط وتقلل من تمثيل الجنس الآخر. تحاول التقنيات المنهجية والطبقية التغلب على هذه المشكلة من خلال "استخدام المعلومات حول السكان" لاختيار عينة "أكثر تمثيلًا".

كما أن أخذ العينات العشوائية البسيطة قد يكون مرهقًا ومملًا عند أخذ العينات من مجموعة سكانية مستهدفة كبيرة. وفي بعض الحالات، يهتم الباحثون بأسئلة بحثية محددة لمجموعات فرعية من السكان. على سبيل المثال، قد يهتم الباحثون بفحص ما إذا كانت القدرة المعرفية كمؤشر لأداء الوظيفة قابلة للتطبيق بشكل متساوٍ عبر المجموعات العرقية. لا يمكن لأخذ العينات العشوائية البسيطة تلبية احتياجات الباحثين في هذا الموقف، لأنه لا يوفر عينات فرعية من السكان، ويمكن استخدام استراتيجيات أخذ العينات الأخرى، مثل أخذ العينات الطبقية، بدلاً من ذلك.

تعتمد عملية أخذ العينات المنهجية (المعروفة أيضًا باسم أخذ العينات على فترات زمنية) على ترتيب مجتمع الدراسة وفقًا لمخطط ترتيب معين ثم اختيار العناصر على فترات منتظمة من خلال تلك القائمة المرتبة. تتضمن عملية أخذ العينات المنهجية بداية عشوائية ثم المضي قدمًا في اختيار كل عنصر من العناصر رقم k من ذلك الحين فصاعدًا. في هذه الحالة، k = (حجم المجتمع / حجم العينة). من المهم ألا تكون نقطة البداية تلقائيًا هي الأولى في القائمة، بل يتم اختيارها عشوائيًا من داخل العنصر الأول إلى العنصر رقم k في القائمة. سيكون أحد الأمثلة البسيطة هو اختيار كل اسم عاشر من دليل الهاتف (عينة "كل عشر"، يشار إليها أيضًا باسم "أخذ العينات بتخطي 10").

طالما أن نقطة البداية عشوائية ، فإن أخذ العينات المنتظمة هو نوع من أخذ العينات الاحتمالية . من السهل تنفيذه ويمكن أن تجعله الطبقات المستحثة فعّالاً، إذا كان المتغير الذي يتم ترتيب القائمة على أساسه مرتبطًا بالمتغير المطلوب. يعد أخذ العينات "كل 10" مفيدًا بشكل خاص لأخذ العينات الفعّالة من قواعد البيانات .

على سبيل المثال، لنفترض أننا نريد أخذ عينة من الناس من شارع طويل يبدأ في منطقة فقيرة (المنزل رقم 1) وينتهي في منطقة باهظة الثمن (المنزل رقم 1000). قد ينتهي الاختيار العشوائي البسيط لعناوين من هذا الشارع بسهولة بعدد كبير جدًا من الأشخاص من الطرف الأعلى وقليل جدًا من الطرف الأدنى (أو العكس)، مما يؤدي إلى عينة غير تمثيلية. يضمن اختيار (على سبيل المثال) كل رقم شارع عاشر على طول الشارع توزيع العينة بالتساوي على طول الشارع، وتمثيل كل هذه المناطق. (إذا بدأنا دائمًا بالمنزل رقم 1 وانتهينا عند الرقم 991، فإن العينة منحازة قليلاً نحو الطرف الأدنى؛ من خلال الاختيار العشوائي للبداية بين الرقم 1 والرقم 10، يتم القضاء على هذا التحيز.)

ومع ذلك، فإن أخذ العينات بشكل منهجي يكون عرضة بشكل خاص للدوريات في القائمة. فإذا كانت الدورية موجودة وكانت الفترة مضاعفًا أو عاملًا للفاصل الزمني المستخدم، فمن المرجح بشكل خاص أن تكون العينة غير ممثلة للسكان الإجماليين، مما يجعل المخطط أقل دقة من أخذ العينات العشوائية البسيطة.

على سبيل المثال، لنفترض وجود شارع حيث تقع جميع المنازل ذات الأرقام الفردية على الجانب الشمالي (الغالي الثمن) من الطريق، وتقع جميع المنازل ذات الأرقام الزوجية على الجانب الجنوبي (الرخيص الثمن). بموجب مخطط أخذ العينات الموضح أعلاه، من المستحيل الحصول على عينة تمثيلية؛ إما أن تكون جميع المنازل التي تم أخذ العينات منها من الجانب الفردي الغالي الثمن، أو ستكون جميعها من الجانب الزوجي الرخيص الثمن، ما لم يكن لدى الباحث معرفة مسبقة بهذا التحيز وتجنبه باستخدام تخطي يضمن القفز بين الجانبين (أي تخطي للأرقام الفردية).

ومن بين العيوب الأخرى للعينات المنهجية أنه حتى في السيناريوهات التي تكون فيها أكثر دقة من العينة المتجانسة، فإن خصائصها النظرية تجعل من الصعب تحديد هذه الدقة. (في المثالين المذكورين أعلاه للعينات المنهجية، يرجع قدر كبير من خطأ العينة المحتمل إلى التباين بين المنازل المجاورة ــ ولكن لأن هذه الطريقة لا تختار منزلين متجاورين على الإطلاق، فإن العينة لن تعطينا أي معلومات عن هذا التباين).

كما هو موضح أعلاه، فإن أخذ العينات المنتظمة هو طريقة EPS، لأن جميع العناصر لها نفس احتمال الاختيار (في المثال المعطى، واحد من عشرة). إنه ليس "أخذ عينات عشوائية بسيطة" لأن المجموعات الفرعية المختلفة من نفس الحجم لها احتمالات اختيار مختلفة - على سبيل المثال المجموعة {4،14،24،...،994} لها احتمال اختيار واحد من عشرة، ولكن المجموعة {4،13،24،34،...} لديها احتمال اختيار صفري.

يمكن أيضًا تكييف أخذ العينات المنهجي مع نهج غير EPS؛ على سبيل المثال، راجع مناقشة عينات PPS أدناه.

عندما يشمل السكان عددًا من الفئات المميزة، يمكن تنظيم الإطار حسب هذه الفئات في "طبقات" منفصلة. ثم يتم أخذ عينات من كل طبقة كمجموعة سكانية فرعية مستقلة، والتي يمكن اختيار عناصر فردية منها عشوائيًا. ^[8] تسمى نسبة حجم هذا الاختيار العشوائي (أو العينة) إلى حجم السكان نسبة العينة . ^[12] هناك العديد من الفوائد المحتملة للعينة الطبقية. ^[12]

أولاً، إن تقسيم السكان إلى طبقات مستقلة متميزة يمكن أن يمكّن الباحثين من استخلاص استنتاجات حول مجموعات فرعية محددة قد تضيع في عينة عشوائية أكثر عمومية.

ثانياً، يمكن أن يؤدي استخدام أسلوب أخذ العينات الطبقي إلى تقديرات إحصائية أكثر كفاءة (بشرط أن يتم اختيار الطبقات على أساس الصلة بالمعيار المعني، بدلاً من توافر العينات). وحتى إذا لم يؤد أسلوب أخذ العينات الطبقي إلى زيادة الكفاءة الإحصائية، فإن مثل هذا التكتيك لن يؤدي إلى كفاءة أقل من العينة العشوائية البسيطة، بشرط أن تكون كل طبقة متناسبة مع حجم المجموعة في السكان.

ثالثًا، في بعض الأحيان تكون البيانات متاحة بسهولة أكبر بالنسبة للطبقات الفردية الموجودة مسبقًا داخل السكان مقارنة بالسكان بشكل عام؛ وفي مثل هذه الحالات، قد يكون استخدام نهج أخذ العينات الطبقية أكثر ملاءمة من تجميع البيانات عبر المجموعات (على الرغم من أن هذا قد يتعارض مع الأهمية المذكورة سابقًا لاستخدام الطبقات ذات الصلة بالمعايير).

وأخيرا، بما أن كل طبقة تُعامل باعتبارها مجموعة سكانية مستقلة، فمن الممكن تطبيق أساليب أخذ عينات مختلفة على طبقات مختلفة، مما قد يمكّن الباحثين من استخدام النهج الأفضل ملاءمة (أو الأكثر فعالية من حيث التكلفة) لكل مجموعة فرعية محددة ضمن السكان.

ولكن هناك بعض العيوب المحتملة لاستخدام العينة الطبقية. فأولا، قد يؤدي تحديد الطبقات وتنفيذ مثل هذا النهج إلى زيادة تكلفة وتعقيد اختيار العينة، فضلاً عن زيادة تعقيد تقديرات السكان. وثانياً، عند فحص معايير متعددة، قد تكون المتغيرات الطبقية مرتبطة ببعضها، ولكن ليس ببعضها الآخر، مما يزيد من تعقيد التصميم، وربما يقلل من فائدة الطبقات. وأخيراً، في بعض الحالات (مثل التصميمات التي تحتوي على عدد كبير من الطبقات، أو تلك التي لها حجم عينة أدنى محدد لكل مجموعة)، قد تتطلب العينة الطبقية عينة أكبر من الطرق الأخرى (على الرغم من أن حجم العينة المطلوب في معظم الحالات لن يكون أكبر مما هو مطلوب للعينة العشوائية البسيطة).

إن أسلوب أخذ العينات الطبقية يكون أكثر فعالية عندما يتم استيفاء ثلاثة شروط

1. يتم تقليل التباين داخل الطبقات
2. يتم تعظيم التباين بين الطبقات
3. إن المتغيرات التي يتم على أساسها تصنيف السكان ترتبط ارتباطًا وثيقًا بالمتغير التابع المطلوب.

المزايا مقارنة بأساليب أخذ العينات الأخرى

1. يركز على الفئات الفرعية المهمة ويتجاهل الفئات غير ذات الصلة.
2. يسمح باستخدام تقنيات أخذ العينات المختلفة لمختلف الفئات السكانية الفرعية.
3. تحسين دقة/كفاءة التقدير.
4. يسمح بموازنة أكبر للقوة الإحصائية لاختبارات الاختلافات بين الطبقات من خلال أخذ عينات من أعداد متساوية من طبقات متفاوتة على نطاق واسع في الحجم.

العيوب

1. يتطلب اختيار متغيرات الطبقية ذات الصلة والتي قد تكون صعبة.
2. ليس مفيدًا عندما لا توجد مجموعات فرعية متجانسة.
3. قد يكون تنفيذه مكلفًا.

ما بعد الطبقات

يتم تقديم التقسيم الطبقي أحيانًا بعد مرحلة أخذ العينات في عملية تسمى "التقسيم الطبقي اللاحق". ^[8] يتم تنفيذ هذا النهج عادةً بسبب الافتقار إلى المعرفة المسبقة بمتغير التقسيم الطبقي المناسب أو عندما يفتقر المجرب إلى المعلومات اللازمة لإنشاء متغير تقسيم طبقي أثناء مرحلة أخذ العينات. على الرغم من أن الطريقة عرضة لمخاطر الأساليب اللاحقة، إلا أنها يمكن أن توفر العديد من الفوائد في الموقف الصحيح. يتبع التنفيذ عادةً عينة عشوائية بسيطة. بالإضافة إلى السماح بالتقسيم الطبقي على متغير مساعد، يمكن استخدام التقسيم الطبقي اللاحق لتنفيذ الترجيح، مما يمكن أن يحسن دقة تقديرات العينة. ^[8]

أخذ عينات زائدة

تعد العينة القائمة على الاختيار إحدى استراتيجيات العينة الطبقية. في العينة القائمة على الاختيار، ^[13] يتم تقسيم البيانات إلى طبقات على الهدف ويتم أخذ عينة من كل طبقة بحيث تكون فئة الهدف النادرة ممثلة بشكل أكبر في العينة. ثم يتم بناء النموذج على هذه العينة المتحيزة . غالبًا ما يتم تقدير تأثيرات متغيرات الإدخال على الهدف بدقة أكبر باستخدام العينة القائمة على الاختيار حتى عند أخذ حجم عينة إجمالي أصغر، مقارنة بعينة عشوائية. عادةً ما يجب تعديل النتائج لتصحيح الإفراط في أخذ العينات.

في بعض الحالات، يكون لدى مصمم العينة إمكانية الوصول إلى "متغير مساعد" أو "مقياس حجم"، يُعتقد أنه مرتبط بالمتغير محل الاهتمام، لكل عنصر في المجتمع. ويمكن استخدام هذه البيانات لتحسين الدقة في تصميم العينة. أحد الخيارات هو استخدام المتغير المساعد كأساس للتقسيم الطبقي، كما تمت مناقشته أعلاه.

هناك خيار آخر وهو أخذ العينات بالاحتمالية المتناسبة مع الحجم ("PPS")، حيث يتم ضبط احتمال الاختيار لكل عنصر ليكون متناسبًا مع مقياس حجمه، حتى الحد الأقصى 1. في تصميم PPS البسيط، يمكن بعد ذلك استخدام احتمالات الاختيار هذه كأساس لأخذ العينات بواسون . ومع ذلك، فإن هذا له عيب حجم العينة المتغير، وقد تظل أجزاء مختلفة من السكان ممثلة بشكل زائد أو ناقص بسبب التباين العشوائي في الاختيارات.

يمكن استخدام نظرية أخذ العينات المنهجية لإنشاء عينة متناسبة مع الاحتمالية والحجم. ويتم ذلك من خلال التعامل مع كل عدد ضمن متغير الحجم كوحدة أخذ عينات واحدة. ثم يتم تحديد العينات من خلال الاختيار على فترات متساوية بين هذه الأعداد ضمن متغير الحجم. تسمى هذه الطريقة أحيانًا أخذ العينات المتسلسلة أو الوحدات النقدية في حالة عمليات التدقيق أو أخذ العينات الجنائية.

مثال: لنفترض أن لدينا ست مدارس يبلغ عدد طلابها 150 و180 و200 و220 و260 و490 طالبًا على التوالي (بإجمالي 1500 طالب)، ونريد استخدام عدد الطلاب كأساس لعينة PPS بحجم ثلاثة. للقيام بذلك، يمكننا تخصيص أرقام المدرسة الأولى من 1 إلى 150، والمدرسة الثانية من 151 إلى 330 (= 150 + 180)، والمدرسة الثالثة من 331 إلى 530، وهكذا إلى المدرسة الأخيرة (1011 إلى 1500). ثم نولد بداية عشوائية بين 1 و500 (تساوي 1500/3) ونحسب عدد طلاب المدارس بمضاعفات 500. إذا كانت بدايتنا العشوائية 137، فسنختار المدارس التي تم تخصيص الأرقام 137 و637 و1137 لها، أي المدارس الأولى والرابعة والسادسة.

يمكن أن يعمل نهج PPS على تحسين الدقة لحجم عينة معين من خلال التركيز على العينة على العناصر الكبيرة التي لها التأثير الأكبر على تقديرات السكان. تُستخدم عينات PPS عادةً في استطلاعات الرأي للشركات، حيث يختلف حجم العنصر بشكل كبير وغالبًا ما تكون المعلومات المساعدة متاحة - على سبيل المثال، قد يستخدم المسح الذي يحاول قياس عدد ليالي الإقامة التي يقضيها الضيوف في الفنادق عدد غرف كل فندق كمتغير مساعد. في بعض الحالات، يمكن استخدام قياس أقدم للمتغير محل الاهتمام كمتغير مساعد عند محاولة إنتاج تقديرات أكثر حداثة. ^[14]

في بعض الأحيان يكون من الأكثر فعالية من حيث التكلفة اختيار المشاركين في مجموعات (مجموعات). وغالبًا ما يتم تجميع العينات حسب المنطقة الجغرافية أو الفترات الزمنية. (تتكون جميع العينات تقريبًا من مجموعات زمنية بمعنى ما - على الرغم من أن هذا نادرًا ما يؤخذ في الاعتبار في التحليل). على سبيل المثال، إذا كنا نجري مسحًا للأسر داخل مدينة ما، فقد نختار 100 كتلة من المدينة ثم نجري مقابلات مع كل أسرة داخل الكتل المختارة.

يمكن أن يؤدي التجميع إلى تقليل تكاليف السفر والإدارة. في المثال أعلاه، يمكن للمحاور القيام برحلة واحدة لزيارة العديد من الأسر في منطقة واحدة، بدلاً من الاضطرار إلى القيادة إلى منطقة مختلفة لكل أسرة.

وهذا يعني أيضًا أنه لا يلزم وجود إطار أخذ عينات يسرد جميع العناصر في المجموعة المستهدفة. وبدلاً من ذلك، يمكن اختيار المجموعات من إطار على مستوى المجموعة، مع إنشاء إطار على مستوى العنصر فقط للمجموعات المحددة. في المثال أعلاه، تتطلب العينة فقط خريطة مدينة على مستوى الكتلة للاختيارات الأولية، ثم خريطة على مستوى الأسرة للكتلة المختارة البالغ عددها 100 كتلة، بدلاً من خريطة على مستوى الأسرة للمدينة بأكملها.

إن أخذ العينات العنقودية (المعروفة أيضًا باسم أخذ العينات العنقودية) يزيد بشكل عام من تباين تقديرات العينة فوق تباين أخذ العينات العشوائية البسيطة، اعتمادًا على كيفية اختلاف المجموعات عن بعضها البعض مقارنة بالتباين داخل المجموعة. ولهذا السبب، يتطلب أخذ العينات العنقودية عينة أكبر من أخذ العينات العشوائية البسيطة لتحقيق نفس مستوى الدقة - ولكن توفير التكاليف من التجميع قد يجعل هذا خيارًا أرخص.

يتم تنفيذ أخذ العينات العنقودية بشكل شائع كأخذ عينات متعدد المراحل . هذا شكل معقد من أخذ العينات العنقودية حيث يتم تضمين مستويين أو أكثر من الوحدات في بعضها البعض. تتكون المرحلة الأولى من إنشاء العناقيد التي سيتم استخدامها لأخذ العينات منها. في المرحلة الثانية، يتم اختيار عينة من الوحدات الأولية عشوائيًا من كل عنقود (بدلاً من استخدام جميع الوحدات الموجودة في جميع العناقيد المختارة). في المراحل التالية، في كل من تلك العناقيد المختارة، يتم اختيار عينات إضافية من الوحدات، وهكذا. ثم يتم مسح جميع الوحدات النهائية (الأفراد، على سبيل المثال) المختارة في الخطوة الأخيرة من هذا الإجراء. وبالتالي، فإن هذه التقنية هي في الأساس عملية أخذ عينات فرعية عشوائية من العينات العشوائية السابقة.

يمكن أن يؤدي أخذ العينات متعدد المراحل إلى تقليل تكاليف أخذ العينات بشكل كبير، حيث يلزم إنشاء قائمة كاملة بالسكان (قبل تطبيق طرق أخذ العينات الأخرى). من خلال القضاء على العمل المطلوب لوصف المجموعات غير المحددة، يمكن لأخذ العينات متعدد المراحل تقليل التكاليف الكبيرة المرتبطة بعينات المجموعات التقليدية. ^[14] ومع ذلك، قد لا تكون كل عينة ممثلة بالكامل للسكان بالكامل.

في أخذ العينات الحصصية ، يتم تقسيم السكان أولاً إلى مجموعات فرعية متبادلة الحصر ، تمامًا كما هو الحال في أخذ العينات الطبقية . ثم يتم استخدام الحكم لاختيار الموضوعات أو الوحدات من كل شريحة بناءً على نسبة محددة. على سبيل المثال، قد يُطلب من القائم بالمقابلة أخذ عينة من 200 أنثى و300 ذكر تتراوح أعمارهم بين 45 و60 عامًا.

إن هذه الخطوة الثانية هي التي تجعل هذه التقنية واحدة من تقنيات أخذ العينات غير الاحتمالية. ففي أخذ العينات الحصصية، لا يكون اختيار العينة عشوائيًا . على سبيل المثال، قد يميل القائمون على المقابلات إلى مقابلة أولئك الذين يبدو أنهم أكثر إفادة. والمشكلة هي أن هذه العينات قد تكون متحيزة لأن ليس كل شخص يحصل على فرصة الاختيار. وهذا العنصر العشوائي هو أعظم نقاط ضعفها، وكانت الحصص مقابل الاحتمالات موضوعًا للجدال لعدة سنوات.

في مجموعات البيانات غير المتوازنة، حيث لا تتبع نسبة العينة إحصاءات السكان، يمكن إعادة أخذ عينات من مجموعة البيانات بطريقة متحفظة تسمى أخذ العينات ذات الحد الأدنى . يعود أصل أخذ العينات ذات الحد الأدنى إلى نسبة الحد الأدنى لأندرسون التي ثبت أن قيمتها 0.5: في التصنيف الثنائي، يجب اختيار أحجام عينة الفئة بالتساوي. يمكن إثبات أن هذه النسبة هي نسبة الحد الأدنى فقط تحت افتراض مصنف LDA مع توزيعات غاوسية. تم تطوير مفهوم أخذ العينات ذات الحد الأدنى مؤخرًا لفئة عامة من قواعد التصنيف، تسمى المصنفات الذكية حسب الفئة. في هذه الحالة، يتم تحديد نسبة أخذ العينات للفئات بحيث يكون أسوأ خطأ في التصنيف على جميع إحصاءات السكان المحتملة لاحتمالات الفئة السابقة هو الأفضل. ^[12]

العينة العرضية (المعروفة أحيانًا باسم العينة الانتقائية أو العينة الملائمة أو العينة العارضة ) هي نوع من أنواع العينة غير الاحتمالية والتي تتضمن أخذ العينة من ذلك الجزء من السكان الذي يكون في متناول اليد. أي أن السكان يتم اختيارهم لأنهم متاحون بسهولة ومناسبون. قد يكون ذلك من خلال مقابلة الشخص أو تضمين شخص في العينة عندما يقابله المرء أو يتم اختياره من خلال العثور عليه من خلال الوسائل التكنولوجية مثل الإنترنت أو عبر الهاتف. لا يستطيع الباحث الذي يستخدم مثل هذه العينة إجراء تعميمات علمية حول إجمالي السكان من هذه العينة لأنها لن تكون ممثلة بدرجة كافية. على سبيل المثال، إذا كان المحاور سيجري مثل هذا الاستطلاع في مركز تسوق في وقت مبكر من صباح يوم معين، فإن الأشخاص الذين يمكنهم مقابلتهم سيقتصرون على الأشخاص الموجودين هناك في ذلك الوقت المحدد، وهو ما لن يمثل آراء أعضاء آخرين في المجتمع في مثل هذه المنطقة، إذا كان من المقرر إجراء الاستطلاع في أوقات مختلفة من اليوم وعدة مرات في الأسبوع. هذا النوع من العينة مفيد للغاية للاختبار التجريبي. تشمل العديد من الاعتبارات المهمة للباحثين الذين يستخدمون عينات ملائمة ما يلي:

1. هل هناك ضوابط داخل تصميم البحث أو التجربة يمكن أن تساعد في تقليل تأثير العينة غير العشوائية الملائمة، وبالتالي ضمان أن تكون النتائج أكثر تمثيلا للسكان؟
2. هل هناك سبب وجيه للاعتقاد بأن عينة ملائمة معينة سوف تستجيب أو ينبغي لها أن تتصرف بشكل مختلف عن عينة عشوائية من نفس السكان؟
3. هل السؤال الذي يطرحه البحث هو سؤال يمكن الإجابة عليه بشكل مناسب باستخدام عينة ملائمة؟

في أبحاث العلوم الاجتماعية، تعد عملية أخذ العينات المتتالية تقنية مشابهة، حيث يتم استخدام موضوعات الدراسة الحالية لتجنيد المزيد من الأشخاص في العينة. تسمح بعض أشكال أخذ العينات المتتالية، مثل أخذ العينات التي يقودها المستجيب، بحساب احتمالات الاختيار وهي طرق أخذ عينات احتمالية في ظل ظروف معينة.

طريقة أخذ العينات الطوعية هي نوع من أنواع أخذ العينات غير الاحتمالية. يختار المتطوعون استكمال الاستبيان.

يمكن دعوة المتطوعين من خلال الإعلانات في وسائل التواصل الاجتماعي. ^[15] يمكن تحديد الفئة المستهدفة للإعلانات حسب خصائص مثل الموقع أو العمر أو الجنس أو الدخل أو المهنة أو التعليم أو الاهتمامات باستخدام الأدوات التي توفرها الوسيلة الاجتماعية. قد يتضمن الإعلان رسالة حول البحث ورابطًا لاستطلاع رأي. بعد اتباع الرابط واستكمال الاستطلاع، يقدم المتطوع البيانات المراد تضمينها في عينة السكان. يمكن أن تصل هذه الطريقة إلى مجموعة سكانية عالمية ولكنها محدودة بميزانية الحملة. يمكن أيضًا تضمين المتطوعين خارج السكان المدعوين في العينة.

من الصعب التوصل إلى تعميمات من هذه العينة لأنها قد لا تمثل إجمالي السكان. غالبًا ما يكون لدى المتطوعين اهتمام قوي بالموضوع الرئيسي للاستطلاع.

أخذ العينات من خلال قطع الخط هو طريقة لأخذ عينات من العناصر في منطقة حيث يتم أخذ عينات من عنصر ما إذا كان مقطع خط مختار، يسمى "القطع العرضي"، يتقاطع مع العنصر.

أخذ العينات اللوحية هو طريقة اختيار مجموعة من المشاركين أولاً من خلال طريقة أخذ العينات العشوائية ثم سؤال تلك المجموعة عن معلومات (ربما نفس المعلومات) عدة مرات على مدار فترة زمنية. لذلك، تتم مقابلة كل مشارك في نقطتين زمنيتين أو أكثر؛ تسمى كل فترة من جمع البيانات "موجة". تم تطوير هذه الطريقة من قبل عالم الاجتماع بول لازارسفيلد في عام 1938 كوسيلة لدراسة الحملات السياسية . ^{[16] تسمح طريقة أخذ العينات} الطولية هذه بتقدير التغيرات في السكان، على سبيل المثال فيما يتعلق بالأمراض المزمنة إلى ضغوط العمل إلى نفقات الطعام الأسبوعية. يمكن أيضًا استخدام أخذ العينات اللوحية لإعلام الباحثين بالتغيرات الصحية داخل الشخص بسبب العمر أو للمساعدة في تفسير التغييرات في المتغيرات التابعة المستمرة مثل التفاعل الزوجي. ^[17] كانت هناك العديد من الطرق المقترحة لتحليل بيانات اللوحة ، بما في ذلك MANOVA ومنحنيات النمو ونمذجة المعادلات الهيكلية ذات التأثيرات المتأخرة.

تتضمن عملية أخذ العينات المتتالية العثور على مجموعة صغيرة من المستجيبين الأوليين واستخدامهم لتجنيد المزيد من المستجيبين. وهي مفيدة بشكل خاص في الحالات التي يكون فيها السكان مخفيين أو يصعب إحصاؤهم.

هذا القسم يحتاج إلى التوسعة ، يمكنك المساعدة بإضافة المزيد إليه. ( يوليو 2015 )

يحدث أخذ العينات النظرية ^[18] عندما يتم اختيار العينات على أساس نتائج البيانات التي تم جمعها حتى الآن بهدف تطوير فهم أعمق للمنطقة أو تطوير النظريات. يتم جمع عينة عامة أولية أولاً بهدف التحقيق في الاتجاهات العامة، حيث قد تتكون العينات الإضافية من حالات متطرفة أو محددة للغاية من أجل تعظيم احتمالية إمكانية ملاحظة الظاهرة بالفعل.

في أخذ العينات النشطة، يتم اختيار العينات المستخدمة لتدريب خوارزمية التعلم الآلي بشكل نشط، كما قارن أيضًا التعلم النشط (التعلم الآلي) .

تعتبر العينة الحكمية نوعًا من العينة غير العشوائية حيث يتم اختيار العينات بناءً على رأي الخبير، والذي يمكنه اختيار المشاركين بناءً على مدى قيمة المعلومات التي يقدمونها.

هذا القسم يحتاج إلى التوسعة ، يمكنك المساعدة بإضافة المزيد إليه. ( يوليو 2024 )

يشير أخذ العينات العشوائي إلى فكرة استخدام الحكم البشري لمحاكاة العشوائية. وعلى الرغم من اختيار العينات يدويًا، فإن الهدف هو ضمان عدم وجود تحيز واعي في اختيار العينات، ولكن غالبًا ما يفشل بسبب تحيز الاختيار . ^[19] يتم اختيار أخذ العينات العشوائي بشكل عام بسبب ملاءمته، عندما قد لا توجد الأدوات أو القدرة على أداء طرق أخذ العينات الأخرى.

قد تكون مخططات أخذ العينات بدون استبدال ("WOR" - لا يمكن تحديد أي عنصر أكثر من مرة في نفس العينة) أو مع الاستبدال ("WR" - قد يظهر عنصر عدة مرات في العينة الواحدة). على سبيل المثال، إذا قمنا بصيد الأسماك وقياسها وإعادتها على الفور إلى الماء قبل الاستمرار في العينة، فهذا تصميم WR، لأننا قد ننتهي بصيد نفس السمكة وقياسها أكثر من مرة. ومع ذلك، إذا لم نعد السمكة إلى الماء أو نضع علامة على كل سمكة ونطلق سراحها بعد اصطيادها، يصبح هذا تصميم WOR.

تعتبر الصيغ والجداول ومخططات دالة القوة من الطرق المعروفة لتحديد حجم العينة.

خطوات استخدام جداول حجم العينة:

1. افترض حجم التأثير محل الاهتمام، α، و β.
2. التحقق من جدول حجم العينة ^[20]
   1. حدد الجدول المقابل للـα المحدد
   2. حدد الصف المقابل للقوة المطلوبة
   3. حدد العمود المقابل لحجم التأثير المقدر.
   4. يعتبر تقاطع العمود والصف هو الحد الأدنى لحجم العينة المطلوب.

يتضمن جمع البيانات الجيد ما يلي:

• اتباع عملية أخذ العينات المحددة
• الحفاظ على البيانات في ترتيب زمني
• ملاحظة التعليقات والأحداث السياقية الأخرى
• تسجيل عدم الاستجابات

يتيح أخذ العينات اختيار نقاط البيانات الصحيحة من داخل مجموعة البيانات الأكبر لتقدير خصائص السكان بالكامل. على سبيل المثال، يتم إنتاج حوالي 600 مليون تغريدة يوميًا. ليس من الضروري النظر إليها جميعًا لتحديد الموضوعات التي تتم مناقشتها خلال اليوم، كما أنه ليس من الضروري النظر إلى جميع التغريدات لتحديد المشاعر حول كل موضوع. تم تطوير صيغة نظرية لأخذ عينات من بيانات تويتر. ^[21]

في التصنيع، تتوفر أنواع مختلفة من البيانات الحسية مثل البيانات الصوتية والاهتزاز والضغط والتيار والجهد وبيانات وحدة التحكم على فترات زمنية قصيرة. للتنبؤ بوقت التوقف، قد لا يكون من الضروري النظر إلى جميع البيانات ولكن قد تكون العينة كافية.

عادةً ما تكون نتائج الاستطلاعات عرضة لبعض الأخطاء. ويمكن تصنيف الأخطاء الإجمالية إلى أخطاء في العينة وأخطاء غير متعلقة بالعينة. ويشمل مصطلح "الخطأ" هنا التحيزات المنهجية بالإضافة إلى الأخطاء العشوائية.

تنشأ أخطاء وتحيزات في أخذ العينات بسبب تصميم العينة. وتشمل هذه الأخطاء والتحيزات ما يلي:

1. تحيز الاختيار : عندما تختلف احتمالات الاختيار الحقيقية عن تلك المفترضة في حساب النتائج.
2. خطأ العينة العشوائية : التباين العشوائي في النتائج بسبب اختيار العناصر في العينة بشكل عشوائي.

الأخطاء غير المرتبطة بالعينة هي أخطاء أخرى يمكن أن تؤثر على تقديرات المسح النهائية، والتي تحدث بسبب مشاكل في جمع البيانات أو معالجتها أو تصميم العينة. قد تتضمن هذه الأخطاء ما يلي:

1. التغطية المفرطة: إدراج البيانات من خارج السكان
2. نقص التغطية: إطار العينة لا يتضمن عناصر من السكان.
3. خطأ القياس: على سبيل المثال عندما يسيء المستجيبون فهم السؤال، أو يجدون صعوبة في الإجابة
4. خطأ المعالجة: أخطاء في ترميز البيانات
5. عدم الاستجابة أو التحيز في المشاركة : الفشل في الحصول على بيانات كاملة من جميع الأفراد المختارين

بعد أخذ العينات، يتم إجراء مراجعة للعملية الدقيقة التي تم اتباعها في أخذ العينات، وليس تلك المقصودة، من أجل دراسة أي تأثيرات قد تحدثها أي اختلافات على التحليل اللاحق.

تتضمن مشكلة معينة عدم الاستجابة . يوجد نوعان رئيسيان من عدم الاستجابة: ^{[22] [23]}

• عدم استجابة الوحدة (عدم إكمال أي جزء من الاستبيان)
• عدم الاستجابة للعنصر (التقديم أو المشاركة في الاستطلاع ولكن الفشل في إكمال أحد أو أكثر من مكونات/أسئلة الاستطلاع)

في أخذ العينات من خلال المسح ، قد يكون العديد من الأفراد الذين تم تحديدهم كجزء من العينة غير راغبين في المشاركة، أو ليس لديهم الوقت للمشاركة ( تكلفة الفرصة )، ^[24] أو قد لا يتمكن مسؤولو المسح من الاتصال بهم. في هذه الحالة، هناك خطر وجود اختلافات بين المستجيبين وغير المستجيبين، مما يؤدي إلى تقديرات متحيزة لمعلمات السكان. غالبًا ما يتم معالجة هذا من خلال تحسين تصميم المسح، وتقديم الحوافز، وإجراء دراسات متابعة تقوم بمحاولة متكررة للاتصال بالأشخاص غير المستجيبين وتوصيف أوجه التشابه والاختلاف بينهم وبين بقية الإطار. ^[25] يمكن أيضًا التخفيف من التأثيرات عن طريق ترجيح البيانات (عندما تكون معايير السكان متاحة) أو عن طريق إسناد البيانات بناءً على إجابات لأسئلة أخرى. يعد عدم الاستجابة مشكلة خاصة في أخذ العينات من الإنترنت. قد تشمل أسباب هذه المشكلة الاستطلاعات المصممة بشكل غير صحيح، ^[23] والإفراط في الاستطلاع (أو إرهاق الاستطلاع)، ^{[17] [26] [ تحتاج إلى اقتباس للتحقق ]} وحقيقة أن المشاركين المحتملين قد يكون لديهم عناوين بريد إلكتروني متعددة، والتي لم يعودوا يستخدمونها أو لا يتحققون منها بانتظام.

في العديد من المواقف، قد تختلف نسبة العينة حسب الطبقة، وسيتعين ترجيح البيانات لتمثيل السكان بشكل صحيح. على سبيل المثال، قد لا تتضمن عينة عشوائية بسيطة من الأفراد في المملكة المتحدة بعض الأشخاص في الجزر الاسكتلندية النائية الذين قد تكون تكلفة أخذ العينات منهم باهظة للغاية. تتمثل إحدى الطرق الأقل تكلفة في استخدام عينة طبقية تضم طبقات حضرية وريفية. قد تكون العينة الريفية ممثلة بشكل أقل في العينة، ولكن يتم ترجيحها بشكل مناسب في التحليل للتعويض.

وبشكل عام، ينبغي ترجيح البيانات عادة إذا لم يمنح تصميم العينة كل فرد فرصة متساوية للاختيار. على سبيل المثال، عندما تكون احتمالات الاختيار متساوية بين الأسر ولكن تتم مقابلة شخص واحد من داخل كل أسرة، فإن هذا يمنح الأشخاص من الأسر الكبيرة فرصة أقل لإجراء المقابلات معهم. ويمكن تفسير ذلك باستخدام أوزان المسح. وعلى نحو مماثل، فإن الأسر التي لديها أكثر من خط هاتف واحد لديها فرصة أكبر للاختيار في عينة الاتصال العشوائي، ويمكن تعديل الأوزان وفقًا لذلك.

يمكن أن تخدم الأوزان أيضًا أغراضًا أخرى، مثل المساعدة في تصحيح عدم الاستجابة.

• جدول الأرقام العشوائية
• خوارزميات رياضية لمولدات الأرقام العشوائية الزائفة
• أجهزة التوزيع العشوائي المادية مثل العملات المعدنية أو أوراق اللعب أو الأجهزة المتطورة مثل ERNIE

يقدم الكتاب المدرسي الذي كتبه جروفز وآخرون نظرة عامة على منهجية المسح، بما في ذلك الأدبيات الحديثة حول تطوير الاستبيان (بالاعتماد على علم النفس الإدراكي ):

• روبرت جروفز وآخرون. منهجية المسح (2010 الطبعة الثانية. [2004]) ISBN  0-471-48348-6 .

وتركز الكتب الأخرى على النظرية الإحصائية لعينات المسح وتتطلب بعض المعرفة بالإحصاءات الأساسية، كما هو موضح في الكتب المدرسية التالية:

• ديفيد س. مور وجورج ب. ماكابي (فبراير 2005). " مقدمة إلى ممارسة الإحصاء " (الطبعة الخامسة). دبليو إتش فريمان وشركاه. ISBN 0-7167-6282-X . 
• فريدمان, ديفيد ; بيساني، روبرت؛ بورفيس ، روجر (2007). الإحصائيات (الطبعة الرابعة). نيويورك: نورتون . رقم ISBN 978-0-393-92972-0.

يستخدم الكتاب الابتدائي الذي كتبه شايفر وآخرون معادلات تربيعية من الجبر في المدرسة الثانوية:

• شيفر، ريتشارد إل. وويليام ميندنهال وآر ليمان أوت. أخذ العينات من المسح الابتدائي ، الطبعة الخامسة. بلمونت: مطبعة دوكسبري، 1996.

هناك حاجة إلى المزيد من الإحصاءات الرياضية بالنسبة إلى لوهر، وسارندال وآخرين، وكوشران: ^[27]

• كوتشران، ويليام ج. (1977). تقنيات أخذ العينات (الطبعة الثالثة). وايلي. رقم ISBN 978-0-471-16240-7.
• لور، شارون ل. (1999). أخذ العينات: التصميم والتحليل . دوكسبري. ISBN 978-0-534-35361-2.
• الأماكن القريبة : سوينسون ، بينجت. ريتمان، جان (1992). نموذج أخذ عينات المسح بمساعدة . سبرينغر-فيرلاغ. رقم ISBN 978-0-387-40620-6.

تظل الكتب المهمة تاريخيًا التي ألفها ديمينج وكيش ذات قيمة كبيرة بالنسبة لعلماء الاجتماع (وخاصة فيما يتصل بتعداد السكان في الولايات المتحدة ومعهد البحوث الاجتماعية في جامعة ميشيغان ):

• ديمينغ، دبليو إدواردز (1966). بعض نظريات أخذ العينات . منشورات دوفر . رقم ISBN 978-0-486-64684-8. OCLC  166526.
• كيش، ليزلي (1995) أخذ العينات من خلال المسح ، وايلي، ISBN 0-471-10949-5 

• سينغ، جي إن، وجيسوال، إيه كيه، وباندي إيه كيه (2021)، طرق حساب محسنة للبيانات المفقودة في أخذ العينات المتعاقبة في مناسبتين، الاتصالات في الإحصاء: النظرية والأساليب. DOI:10.1080/03610926.2021.1944211
• تشامبرز، آر إل، وسكينر، سي جيه (المحرران) (2003)، تحليل بيانات المسح ، وايلي، رقم ISBN 0-471-89987-9 
• ديمينغ، دبليو إدواردز (1975) حول الاحتمالية كأساس للعمل، الإحصائي الأمريكي ، 29 (4)، ص 146-152.
• Gy, P (2012) أخذ العينات من أنظمة المواد غير المتجانسة والديناميكية: نظريات التباين والأخذ والتجانس ، Elsevier Science، ISBN 978-0444556066 
• كورن، إي إل، وجراوبارد، بي آي (1999) تحليل المسوحات الصحية ، وايلي، ISBN 0-471-13773-1 
• لوكاس، صامويل ر. (2012). doi :10.1007%2Fs11135-012-9775-3 "ما وراء إثبات الوجود: الظروف الوجودية، والتداعيات المعرفية، وأبحاث المقابلات المتعمقة."]، الجودة والكمية ، doi :10.1007/s11135-012-9775-3.
• ستيوارت، آلان (1962) الأفكار الأساسية للعينات العلمية ، دار هافنر للنشر، نيويورك ^{[ رقم ISBN مفقود ]}
• سميث، تي إم إف (1984). "الموقف الحالي والتطورات المحتملة: بعض وجهات النظر الشخصية: استطلاعات العينة". مجلة الجمعية الإحصائية الملكية، السلسلة أ . 147 (الذكرى السنوية المائة والخمسين للجمعية الإحصائية الملكية، العدد 2): 208-221. doi :10.2307/2981677. JSTOR  2981677.
• سميث، تي إم إف (1993). "السكان والاختيار: حدود الإحصاءات (خطاب رئاسي)". مجلة الجمعية الإحصائية الملكية، السلسلة أ . 156 (2): 144-166. doi :10.2307/2982726. JSTOR  2982726.(صورة TMF Smith في الصفحة 144)
• سميث، تي إم إف (2001). "الذكرى المئوية: مسوحات العينة". بيومتريكا . 88 (1): 167-243. doi :10.1093/biomet/88.1.167.
• سميث، تي إم إف (2001). "مئوية القياسات الحيوية: مسوحات عينة". في دي إم تيترنجتون ود.ر. كوكس (المحرر).بيومتريكا : مائة عام . مطبعة جامعة أكسفورد. ص 165-194. ISBN 978-0-19-850993-6.
• Whittle, P. (مايو 1954). "العينات الوقائية المثلى". مجلة جمعية بحوث العمليات الأمريكية . 2 (2): 197-203. doi :10.1287/opre.2.2.197. JSTOR  166605.

• سلسلة ISO 2859
• سلسلة ISO 3951

• ASTM E105 الممارسة القياسية لأخذ العينات الاحتمالية للمواد
• ASTM E122 الممارسة القياسية لحساب حجم العينة لتقدير متوسط ​​خصائص الدفعة أو العملية، مع وجود خطأ محتمل محدد
• ASTM E141 الممارسة القياسية لقبول الأدلة بناءً على نتائج أخذ العينات الاحتمالية
• المصطلحات القياسية ASTM E1402 المتعلقة بأخذ العينات
• ASTM E1994 ممارسة قياسية لاستخدام خطط أخذ العينات الموجهة للعمليات AOQL وLTPD
• ASTM E2234 الممارسة القياسية لأخذ عينات من سلسلة من المنتجات حسب السمات المفهرسة بواسطة AQL

• ANSI/ASQ Z1.4

• المعيار العسكري 105
• المعيار العسكري 1916

• الوسائط المتعلقة بـ Sampling (statistics) في ويكيميديا ​​كومنز